informer时间序列预测

Question

博主你好，为什么我使用informer预测后，生成的ture.npy无法在原数据集中找到对应的元素--inverse我设置为True了

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题分析： 根据问题描述，使用Informer进行预测后，生成的true.npy在原数据集中无法找到对应的元素。同时，对于inverse参数，已设置为True。 解决方案：

1. 确认数据集的格式 在使用Informer进行预测时，应先确认输入的数据集格式是否正确。根据Informer模型的要求，输入数据集应该是一个三维矩阵，维度分别为（样本数，时间步长，特征数）。如果数据集格式不正确，可能会导致生成的true.npy无法与原数据集对应。
2. 确认inverse参数的使用 Informer模型中有一个inverse参数，用于设置是否需要对输入数据进行反归一化，以便得到能够与原数据集对应的预测结果。如果inverse参数设置不正确，可能会导致生成的true.npy无法与原数据集对应。 例如，当inverse参数设置为True时，程序应该执行如下代码：

true = true * std + mean

其中，true为Informer模型生成的预测结果，std为样本标准差，mean为样本均值。如果inverse参数没有正确设置，可能会导致true.npy无法与原数据集对应。 3. 确认保存路径的设置 生成的true.npy保存在计算机中的路径应该与原数据集路径一致，以确保能够在原数据集中找到对应的元素。如果保存路径设置不正确，可能会导致true.npy无法与原数据集对应。 例如，当原数据集路径为'/data/original_dataset.npy'时，生成的true.npy应保存在同一目录下，命名为'true.npy'。程序应执行如下代码：

np.save('/data/true.npy', true)

通过以上三个方面的确认，可以解决生成的true.npy无法在原数据集中找到对应的元素的问题。 参考代码：

import numpy as np
from model import Informer
# 导入原数据集
data = np.load('/data/original_dataset.npy')
# 构建Informer模型
model = Informer()
# 进行预测，并将结果保存为'true.npy'
true = model.predict(data)
mean = np.mean(data, axis=(0, 1))
std = np.std(data, axis=(0, 1))
true = true * std + mean
np.save('/data/true.npy', true)